集成学习 Ensemble Learing(???)
集成学习 Ensemble Learing
之前学习的决策树之类的学习方法都是单一的,独立的。
整体表现比较差的学习器,在一些样本上的表现是否有可能会超过“最好”的学习器。
bagging
举个栗子:
从十个数之中有放回的抽取十个数字,组成不同的几个数据集。
第二张图是集成学习的学习曲线。
from sklearn import neighbors
from sklearn import datasets
from sklearn.ensemble import BaggingClassifier
from sklearn import tree
from sklearn.model_selection import train_test_split
import numpy as np
import matplotlib.pyplot as pltiris = datasets.load_iris()
x_data = iris.data[:,:2]
y_data = iris.targetx_train,x_test,y_train,y_test = train_test_split(x_data,y_data)#建立knn的模型
knn = neighbors.KNeighborsClassifier()
knn.fit(x_train,y_train)def plot(model):x_min,x_max = x_data[:,0].min() - 1,x_data[:,0].max() + 1y_min,y_max = x_data[:, 1].min() - 1, x_data[:, 1].max() + 1# 生成网格矩阵xx,yy = np.meshgrid(np.arange(x_min,x_max,0.02),np.arange(y_min,y_max,0.02))z = model.predict(np.c_[xx.ravel(),yy.ravel()])z = z.reshape(xx.shape)#等高线图cs = plt.contourf(xx,yy,z)plot(knn)
#样本散点图
plt.scatter(x_data[:,0],x_data[:,1],c=y_data)
plt.show()
#准确率
print(knn.score(x_test,y_test))#画决策树(决策树特别容易出现过拟合,所以准确率有点低)
dtree = tree.DecisionTreeClassifier()
dtree.fit(x_train,y_train)
plot(dtree)
plt.scatter(x_data[:,0],x_data[:,1],c=y_data)
plt.show()
print(dtree.score(x_test,y_test))#集成学习模型
#n_estimators=100有放回的抽样进行100次,则会建立100次knn的模型
bagging_knn = BaggingClassifier(knn,n_estimators=100)bagging_knn.fit(x_train,y_train)
plot(bagging_knn)plt.scatter(x_data[:,0],x_data[:,1],c=y_data)
plt.show()print(bagging_knn.score(x_test,y_test))
我运行后得到的答案总是knn和knn集成相同,有、、疑惑,难道现在knn训练已经准确到无论分成多少次最后都一样了吗?感觉不应该啊!还出现了集成学习比直接学习正确率更低的情况,还有knn和决策树的学习正确率在同一次运行时出现了同一种效果也比较疑惑。并且我发现在运行多次后,knn或决策树或时两种集成学习,它们会出现同样的正确率。似乎就是那么几个数字在来回变换。在同一次练习之中,他们会不会出现互相影响的情况呢?
随机森林Random Forest
RF = 决策树 + Bagging + 随机属性选择
RF算法流程
散点图:
决策树等高线图:
随机森林等高线图:
多次运行时决策树和随机森林的正确率:
代码如下:
from sklearn.ensemble import RandomForestClassifier
from sklearn import tree
from sklearn.model_selection import train_test_split
import numpy as np
import matplotlib.pyplot as pltdata = np.genfromtxt("LR-testSet2.txt",delimiter=',')
x_data = data[:,:-1]
y_data = data[:,-1]
plt.scatter(x_data[:,0],x_data[:,1],c=y_data)
plt.show()x_train,x_test,y_train,y_test =train_test_split(x_data,y_data,test_size=0.5)def plot(model):x_min,x_max = x_data[:,0].min() - 1,x_data[:,0].max() + 1y_min,y_max = x_data[:, 1].min() - 1, x_data[:, 1].max() + 1# 生成网格矩阵xx,yy = np.meshgrid(np.arange(x_min,x_max,0.02),np.arange(y_min,y_max,0.02))z = model.predict(np.c_[xx.ravel(),yy.ravel()])z = z.reshape(xx.shape)#等高线图cs = plt.contourf(xx,yy,z)plt.scatter(x_data[:, 0], x_data[:, 1], c=y_data)plt.show()
dtree = tree.DecisionTreeClassifier()
dtree.fit(x_train,y_train)
plot(dtree)
print(dtree.score(x_test,y_test))RF = RandomForestClassifier(n_estimators=50)
RF.fit(x_train,y_train)
plot(RF)
print(RF.score(x_test,y_test))
Boosting
AdaBoost是英文“Adaptive Boosting”(自适应增强)的缩写,它的自适应在于:前一个基本分类器被错误分类的样本的权值会增大,而正确分类的样本的权值会减小,并再次用来训练下一个基本分类器。同时,在每一轮迭代中,加入一个新的弱分类器,直到达到某个预定的足够小的错误率或达到预先指定的最大迭代次数才确定最终的强分类器。
直觉:将学习器的重点放在“容易”出错的样
本上。可以提升学习器的性能。
Adaboost算法可以简述为三个步骤:
(1)首先,是初始化训练数据的权值分布D1。假设有N个训练样本数据,则每一个训练样本最开始时,都被赋予相同的权值:w1=1/N。
(2)然后,训练弱分类器hi。具体训练过程中是:如果某个训练样本点,被弱分类器hi准确地分类,那么在构造下一个训练集中,它对应的权值要减小;相反,如果某个训练样本点被错误分类,那么它的权值就应该增大。权值更新过的样本集被用于训练下一个分类器,整个训练过程如此迭代地进行下去。
(3)最后,将各个训练得到的弱分类器组合成一个强分类器。各个弱分类器的训练过程结束后,加大分类误差率小的弱分类器的权重,使其在最终的分类函数中起着较大的决定作用,而降低分类误差率大的弱分类器的权重,使其在最终的分类函数中起着较小的决定作用。换而言之,误差率低的弱分类器在最终分类器中占的权重较大,否则较小。
Adaboost
训练过程:
判断过程:
算法流程:
所得结果:
这种集成学习的效果要好的多。
Stacking 和 Voting介绍和使用
使用多个不同的分类器对训练集进预测,把预测得到的结果作为一个次级分类器的输入。次级分类器的输出是整个模型的预测结果。
Stacking:
from sklearn import datasets
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn.neighbors import KNeighborsClassifier
from sklearn.tree import DecisionTreeClassifier
from mlxtend.classifier import StackingClassifier
import numpy as npimport warnings
warnings.filterwarnings("ignore")iris = datasets.load_iris()
#只要第1、2列的特征,iris数据集一行有四个数据,每一个数据标签如下,target是分类的结果
#['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'],
x_data,y_data = iris.data[:,1:3],iris.target#定义三个不同的分类器
clf1 = KNeighborsClassifier(n_neighbors=1)
clf2 = DecisionTreeClassifier()
clf3 = LogisticRegression()#定义一个次分类器
lr = LogisticRegression()
sclf = StackingClassifier(classifiers=[clf1,clf2,clf3],meta_classifier=lr)
for clf,label in zip([clf1,clf2,clf3,sclf],['KNN','Decision Tree','LogisticRegression','StackingClassifier']) :scores = model_selection.cross_val_score(clf,x_data,y_data,cv=3,scoring='accuracy')print("Accuracy:%0.2f[%s]"%(scores.mean(),label))
总结:
Kaggle
网址:https://www.kaggle.com/
举个栗子:泰坦尼克号船员获救预测项目
数据:(可以到kaggle官网下载)
集成学习 Ensemble Learing(???)相关推荐
- 集成学习(Ensemble Learning)
在机器学习的有监督学习算法中,我们的目标是学习出一个稳定的且在各个方面表现都较好的模型,但实际情况往往不这么理想,有时我们只能得到多个有偏好的模型(弱监督模型,在某些方面表现的比较好).集成学习就是组 ...
- RDKit |基于集成学习(Ensemble learning)预测溶解度
Ensemble learning 集成学习 集成学习(Ensemble learning)是这样一个过程,按照某种算法生成多个模型,如分类器或者称为专家,再将这些模型按照某种方法组合在一起来解决某个 ...
- 集成学习+ensemble learning
集成学习+ensemble learning Blending is a word introduced by the Netflix winners. It is very close to sta ...
- EL:集成学习(Ensemble Learning)的概念讲解、问题应用、算法分类、关键步骤、代码实现等相关配图详细攻略
EL:集成学习(Ensemble Learning)的概念讲解.算法分类.问题应用.关键步骤.代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1.集成学习中弱分类器选择 ...
- 集成学习(ensemble learning)(四)
文章目录 一.GBDT概述 二.GDBT原理 1.负梯度拟合 2.GBDT回归算法 3.GBDT分类算法 (1)二元GBDT分类算法 (2)多元GBDT分类算法 4.GBDT常用损失函数 (1)分类任 ...
- 集成学习(ensemble learning)(三)
集成学习系列第三篇(Boosting相关方法),传送前两篇: 集成学习(ensemble learning)(一) 集成学习(ensemble learning)(二) 文章目录 一.Boosting ...
- 集成学习(ensemble learning)(二)
文章目录 一.Bagging原理 1.随机采样(BootStrap) 2.弱分类器和结合决策 二.Bagging算法流程 三.随机森林(Random Forest,RF) 1.特点 2.两个" ...
- 集成学习(ensemble learning)(一)
文章目录 一.集成学习概述 二.个体学习器 三.Boosting 四.Bagging 五.结合策略 1.平均法 2.投票法 3.学习法 (1)核心图解 a.构建新的训练集 b.构建新的测试集 c.最终 ...
- 集成学习(ensemble learning)干货系列(3)——Boosting方法详解
集成学习(ensemble learning)干货系列(1)--集成学习概述 集成学习(ensemble learning)干货系列(2)--随机森林(Bagging) Boosting基本原理 提升 ...
最新文章
- 微信公众平台开发 - 动手篇。使用weinxinFundation开始一个微信公众平台的开发
- 皮一皮:学钢琴的重要性!
- tf.placeholder类似函数中的形参
- ITK:创建一个固定数组
- Innodb事务和锁
- 用Java和Java 8创建内部DSL,采用Martin Fowler的方法
- 电脑显示连接了网络但是不能上网_为什么电脑插上网线显示已连接却上不了网...
- 对于计算机维护的,关于计算机的硬件维护
- 大公司病?记改一个文字颜色的过程
- 网站 测试服务器配置,安装调试、软件测试、网站测试 配置维护环境配置、安全维护、安全运维等与服务器相关业务...
- 微信小游戏开发(11)-文件系统
- 第一届数据库***大赛(欢迎大家共同讨论,发表自己的见解)
- smote算法 不平衡数据集处理方法
- 盘点目前初学者适合用的C语言编程工具!C语言初学者必看!
- java+widthstep,i*step+j*channels+k 以及widthStep大小计算及原理
- 论单片机程序固件保护的重要性和方法
- linux怎么查找bin文件内容,[转载]Linux 文件、内容查找(递归) ,grep ,find
- 员工效率低下,责任在管理层的数学解释和分析
- python pandas 数据透视表_python 用pandas实现数据透视表功能
- 北京中医药大学远程教育 计算机基础考试,北京中医药大学远程教育计算机基础(2008版)-第4次...
热门文章
- linux安装配置nginx
- 【转载】如何做个好员工?
- 利用Gulp实现JSDoc 3的文档编写过程中的实时解析和效果预览
- 重写方法,重载方法,虚方法和抽象方法的使用
- 基于virtualbox安装ubuntu18.04
- LightOJ1234 Harmonic Number
- Advanced R之数据结构
- Java路径问题终于解决方式—可定位全部资源的相对路径寻址
- 【报告分享】2021年95后医美人群洞察报告:颜值经济,95后“美力”来袭.pdf(附下载链接)...
- 【实践】飞猪交通个性化搜索推荐技术的实践与创新(附PPT下载链接)